[发明专利]一种遥感图像分割方法

说明书

本发明公开了一种遥感图像分割方法，包括：对采集到的遥感图像进行降噪预处理，得到去噪后的遥感图像；对去噪声后的遥感图像分别进行灰度处理和超像素分割；基于超像素分割结果分别提取纹理特征和颜色特征；对经过灰度处理的遥感图像进行几何特征提取；将纹理特征、颜色特征和几何特征进行融合，得到图像分割特征；基于图像分割特征，采用均值漂移进行图像滤波，得到初步分割结果；对初步分割结果进行区域合并，得到最终的分割结果，充分考虑到对噪声的处理，且采用了多特征融合的方法对图像进行分割，能够充分保证图像分割的效果。

技术领域

本发明涉及遥感图像处理技术领域，更具体的说是涉及一种遥感图像分割方法。

背景技术

图像分割是指把图像分成各具特征的区域并提取出感兴趣目标的技术和过程。由于它是图像分析、计算机视觉和模式识别的关键步骤，因此，一直受到人们的高度重视，至今已提出了上千种分割算法，但大部分是基于灰度图像的分割，由于彩色图像提供了比灰度图像更加丰富的信息，因此，随着计算机处理能力的不断提升，人们对彩色图像的分割也越来越重视。其中，遥感图像就是一种非常常用且典型的彩色图像，受到了广泛关注，一直是广大学者的研究热点。

在遥感图像采集和传输的过程中产生的噪声往往不是一种，而在现有的遥感图像的分割方法中，研究重点多放在如何实现更精准的分割，而忽略了前期预处理部分，而图像预处理的结果不好，直接影响了后续图像分割的效果，而且目前大方部分图像分割只考虑到遥感图像的颜色和空间信息，对纹理丰富的图像分割效果并不是很不理想，无法保证分割效果。

因此，如何充分保证图像分割效果是本领域技术人员亟需解决的问题。

发明内容

有鉴于此，本发明提供了一种遥感图像分割方法，充分考虑到对噪声的处理，且采用了多特征融合的方法对图像进行分割，能够充分保证图像分割的效果。

为了实现上述目的，本发明采用如下技术方案：

一种遥感图像分割方法，包括：

对采集到的遥感图像进行降噪预处理，得到去噪后的遥感图像；

对去噪声后的遥感图像分别进行灰度处理和超像素分割；

基于超像素分割结果分别提取纹理特征和颜色特征；具体包括：基于超像素分割结果，利用基于总变差模型的滤波方法去除纹理，得到颜色特征，利用Gabor滤波器进行滤波，得到纹理特征；

对经过灰度处理的遥感图像进行几何特征提取；

将纹理特征、颜色特征和几何特征进行融合，得到图像分割特征；

基于图像分割特征，采用均值漂移进行图像滤波，得到初步分割结果；

对初步分割结果进行区域合并，得到最终的分割结果。

优选的，包括：降噪预处理的具体步骤包括：

S1：判断像素点的灰度值与行均值的差的绝对值是否大于门限阈值，如果大于门限阈值，则确定该像素点为脉冲噪声，将该点排除，输出行均值作为该点的像素值；否则不改变该点像素值，得到第一去噪结果；

S2：基于第一去噪结果以及公式(1)和预设门限值来判别是否是边缘像素点；

g(i，j)＝|f(i，j)+f(i，j+1)|-|f(i，j-1)+f(i，j-2)| (1)

其中，f(i，j)为所选像素点，f(i，j+1)、f(i，j-1)和f(i，j-2)为所选像素点相邻像素点，g(i，j)为梯度值，当g(i，j)大于预设门限值时，判定所选点为边缘点，则将边缘点直接输出；否则，判断所选点不是边缘点，输出行均值。

优选的，预设门限值T的选取根据图像的亮暗特征确定，T＝-0.5×MV+a；